BAB V PENUTUP Kesimpulan Berdasarkan analisis data pada Bab IV, maka dapat ditarik kesimpulan sebagai berikut: 1. Hasil pengujian pada return harian indeks LQ45 menemukan bahwa tidak adanya pengaruh penurunan volatilitas pada underlying spot market di Indonesia karena keberadaan kontrak futures indeks LQ45 Futures, sehingga H1: kontrak futures indeks berpengaruh pada penurunan volatilitas underlying spot market tidak didukung dan tidak terbukti. Kemunculan kontrak futures indeks tidak berpengaruh pada volatilitas underlying spot market juga ditemukan oleh Xie dan Huang (2014) dalam penelitiannya. Menurut Xie dan Huang (2014), keberadaan kontrak futures indeks tidak terbukti ada pada bursa China objek penelitiannya, karena tingginya margin awal serta regulasi pemerintah yang ketat. Hasil yang sama juga ditemukan oleh Debasish (2009) dengan objek pasar futures India. Menurut Debasish (2009), tidak adanya pengaruh tersebut karena peran dari pasar berjangka (derivatif) termasuk futures di dalamnya adalah lebih kepada fungsi peningkatan efisiensi harga dan alat lindung nilai (hedging) sehingga mengabaikan volatilitas. Kontrak futures indeks menjadi tidak berpengaruh di bursa Indonesia, bisa jadi karena hal-hal yang telah dikemukakan pada 60
penelitian sebelumnya tersebut. Saat kemunculannya pertama kali, LQ45 Futures merupakan produk investasi futures dengan underlying indeks yang pertama di Indonesia pada saat itu. Pengenalan mengenai produk tersebut juga masih kurang, sebab pada saat itu kemudahan akses teknologi tidak secanggih saat ini, meskipun pada saat itu transaksinya sudah menggunakan sistem online. Margin awal yang diwajibkan oleh LQ45 Futures juga bernilai cukup besar pada saat itu, yaitu sebesar Rp 1.000.000,00. Futures pada saat itu dimaknai bukan sebagai instrumen investasi oleh investor, namun lebih kepada alat lindung nilai bagi investasi mereka di bursa saham, sebab berinvestasi murni di futures sangat berisiko meski keuntungan yang didapatkan juga sepadan dengan risiko tersebut. Berdasarkan fakta tersebut, tidak mengherankan bila keberadaan kontrak futures indeks di Indonesia tidak terbukti berpengaruh terhadap volatilitas underlying spot market. Hasil yang menunjukan tidak didukungnya H1, juga bisa disebabkan oleh keterbatasan data yang digunakan, terutama untuk periode pre-futures oleh karena data yang sudah tidak tersedia lagi. Keterbatasan ini bisa jadi merupakan salah satu alasan data tidak dapat menggambarkan volatilitas yang terjadi karena keberadaan kontrak futures dengan sangat baik. 2. Hasil pengujian pada koefisien ARCH dan GARCH pada periode sebelum dan setelah kontrak futures indeks menunjukan peningkatan efisiensi pasar terutama setelah kemunculan kontrak futures indeks. Hal ini dilihat dari penjumlahan nilai koefisien ARCH dan GARCH pada
periode post-futures yang lebih besar dibandingkan pada periode prefutures. Hasil tersebut berarti bahwa H2: kemunculan kontrak futures indeks berpengaruh pada peningkatan efisiensi pasar didukung dan terbukti. 3. Berdasarkan hasil pengujian pada statistik deskriptif dan pengujian dengan model GARCH (1,1) maka dapat disimpulkan bahwa secara keseluruhan indeks LQ45 memiliki tingkat volatilitas return yang cenderung rendah. Hal tersebut dapat dilihat dari penjumlahan koefisien error dan koefisien variasi yang memiliki nilai kurang dari 1 (namun hampir mendekati). Hal yang sama juga ditunjukan oleh range dari return harian indeks LQ45 yang mendekati 0, berarti volatilitas cenderung rendah. Volatilitas return yang cenderung rendah bukan berarti buruk, malah berarti indeks ini stabil dan kecil risiko ketidakpastian dalam berinvestasi. Risiko secara keseluruhan dari indeks (overall) dilihat dari besarnya nilai standar deviasi juga terbilang kecil. Hal ini bisa jadi karena indeks LQ45 merupakan indeks gabungan dari 45 saham terlikuid di bursa, sehingga kecil risiko yang bisa diterima investor. 4. Berdasarkan hasil pengujian pada statistik deskriptif dan pengujian dengan model GARCH (1,1) maka dapat disimpulkan dari perbandingan dua periode penelitian sebelum (pre-futures) dan sesudah (post-futures) kemunculan kontrak futures indeks, yang memiliki tingkat volatilitas terbesar ada pada periode post-futures. Kemudian dilihat dari besarnya tingkat risiko yang bisa diterima investor, periode post-futures juga
memberikan tingkat risiko yang lebih besar dibanding pre-futures. Tingkat risiko yang besar tentu diikuti dengan tingkat pengembalian yang besar pula, hal ini terbukti dari rata-rata return harian post-futures yang lebih besar daripada periode pre-futures. Implikasi Manajerial Hasil penelitian pada LQ45 Futures yang muncul pada tahun 2001 dan yang kemudian mati pada tahun 2009 ini diharapkan dapat memberikan manfaat bagi pihak pihak terkait seperti bagi para investor. LQ45 Futures sebenarnya telah lama berhenti diperdagangkan sejak tahun 2009 lalu karena berbagai alasan (lihat Bab I), namun pada awal Februari tahun 2016 ini, kontrak futures indeks tersebut kembali diperdagangkan di bursa derivatif. Mengusung berbagai pembaruan dalam teknis, regulasi, biaya, dan juga kemudahan membuatnya kembali diminati. Kini sudah banyak perusahaan sekuritas yang memperdagangkan produk investasi ini. Berdasarkan hasil penelitian ini, para investor dapat melakukan transaksi pada produk futures tidak hanya sebagai alat hedging, tetapi juga sebagai salah satu alternatif investasi yang menjanjikan keuntungan lebih besar. Namun yang perlu diingat disini adalah hukum investasi, bahwa makin besar keuntungan akan sepadan dengan risiko yang didapat. Melalui penelitian ini, juga diharapkan mampu menjadi acuan bagi regulator untuk berbenah dan menjadikan kebangkitan LQ45 Futures 2016 ini lebih baik dari sebelumnya.
Keterbatasan Penelitian Penelitian ini memiliki keterbatasan dalam melakukan penelitian terhadap pengaruh keberadaan kontrak futures indeks pada volatilitas underlying spot market di Indonesia. Berikut adalah keterbatasan-keterbatasan dalam penelitian ini: 1. Penelitian ini hanya terbatas pada periode setelah keberadaan kontrak futures indeks, yang jumlah sampelnya lebih besar daripada periode sebelum. Hal tersebut disebabkan data pada sebelum tahun 2000 tidak tersedia lagi. 2. Penelitian ini hanya terbatas pada satu jenis aset acuan, yaitu indeks LQ45; serta hanya pada satu negara saja. Saran Berdasarkan keterbatasan penelitian yang ada, maka penulis memberikan saran untuk penelitian selanjutnya, diantaranya: 1. Penelitian selanjutnya disarankan dapat menambah objek penelitian yang akan diteliti, meliputi penambahan negara dan/atau penambahan objek aset acuan. 2. Penelitian selanjutnya disarankan dapat menambah variasi metode penelitian tidak hanya menggunakan GARCH (1,1), namun juga bisa dikembangkan dengan metode GARCH lainnya.
DAFTAR PUSTAKA Afriyadi, A. D. (2016, Februari 01). Perdalam Instrumen Investasi, LQ45 Futures diluncurkan Kembali. Diakses dari bisnis.liputan6.com: http://bisnis.liputan6.com/read/2425592/perdalam-instrumen-investasilq45-futures-diluncurkan-kembali pada tanggal 21 Maret 2016. Antoniou, A., & Holmes, P. (1995). Futures Trading, Information, and Spot Price Volatility: Evidence for the FTSE 100 Stock Index Futures Contract Using GARCH. Journal of Banking and Finance, 117-129. Bae, S. C., Kwon, T. H., & Park, J. W. (2004). Futures Trading, Spot Market Volatility, and Market Efficiency: The Case of the Korean Index Futures Market. The Journal of Futures Markets, 1195-1228. bola.okezone.com. (2014, Juni). Kontrak Berjangka Indeks. Diakses dari http://bola.okezone.com/read/2014/06/23/226/1002702/kontrak-berjangkaindeks pada tanggal 21 Maret 2016. Bologna, P., & Cavallos, L. (2002). Does the Introduction of Stock Index Futures Effectively Reduce Stock Market Volatility? Is the 'Futures Effect' immediate? Evidence from the Italian Stock Exchange Using GARCH. Applied Financial Economics, 183-192. Darmadji, T., & Fakhruddin, H. M. (2001). Pasar Modal di Indonesia: pendekatan tanya jawab. Jakarta: Salemba Empat. Das, S. C., & Mishra, B. (2011). The Effect of Futures Trading on the Underlying Volatility: Evidence from the Indian Stock Market. XIMB Journal of Management, 99-110. Debasish, S. S. (2009). Effect of Futures Trading on Spot-Price Volatility: Evidence for NSE Nifty using GARCH. The Journal of Risk Finance, 67-77.
Dewi, A., Siregar, H., Hartoyo, S., & Manurung, A. (2011). Analisis Kontrak Berjangka Olein di Bursa Berjangka Jakarta. Jurnal Manajemen dan Agribisnis. Fabozzi, F. J. (2000). Manajemen Investasi. Jakarta: Salemba Empat. Gumanti, T. A., & Utami, E. S. (n.d.). Bentuk Pasar Efisien dan Pengujiannya. Jurnal Ekonomi Akuntansi FE Universitas Kristen Petra. Hanafi, M. (2014/2015). Manajemen Keuangan. Herawati, H. (2003). The Effect of Futures Index Trading on Volatility of LQ45 Constituent Stocks. Yogyakarta: Thesis - Universitas Gadjah Mada. Hidayat, T. (2016). Mengenal LQ45 Futures. Diakses dari Indonesian Value Investor: http://www.teguhhidayat.com/2016/02/mengenal-lq45- futures.html pada tanggal 19 Maret 2016. id.investing.com. (2009). Jakarta Stock Exchange LQ45 - Historical Data (JKLQ45). Diakses dari http://id.investing.com/indices/jakarta-lq45- historical-data pada tanggal 11 April 2016. IDX. (2015). IDX STATISTICS. Jakarta: Bursa Efek Indonesia (IDX). Kristiana, Y. (2014). Penilaian Harga Kontrak Berjangka Indeks LQ45. Skripsi, Universitas Muhammadiyah Malang. Kristianto, W. (2014). The Day of The Week Effect Pada Pasar Modal ASEAN (Indonesia, Malaysia, dan Singapura) 2003-2013. Skripsi - Universitas Atma Jaya Yogyakarta. Matanovic, E., & Wagner, H. (2012). Volatility Impact of Stock Index Futures Trading - a Revised Analysis. Journal of Applied Finance & Banking, 113-126. May, E. (2016, Februari 9). Mengenal Produk Derivatif Indeks LQ45 Futures. Diakses dari Ellen May: http://www.ellen-may.com/v3/mengenal-produkderivatif-indeks-lq45-futures/ pada tanggal 19 Maret 2016.
Muhammad. (2004). Dasar-Dasar Keuangan Islami. Yogyakarta: Ekonisia. PortalReksadana.com. (n.d.). Exchange Traded Fund vs Reksadana Saham. Diakses dari http://www.portalreksadana.com/node/59 pada tanggal 26 April 2016. Rae, D. D. (2008). Transaksi Derivatif dan Masalah Regulasi Ekonomi di Indonesia. Jakarta: Elex Media Komputindo. Saravanan, G., & Deo, M. (2010). Impact of Futures and Options Trading on the Underlying Spot Market Volatility in India. International Review of Applied Financial Issues and Economics, 213-228. Sayyid, A. (2014). Investasi Sekuritas Derivatif di Pasar Modal Indonesia. Jurnal Fakultas Syariah dan Ekonomi Islam. Siahaan, H. (2008). Seluk Beluk Perdagangan Instrumen Derivatif. Jakarta: Elex Media Komputindo. Talenta, R. (2013). Optimal Hedge Ratio dan Efektivitas Hedging Kontrak Futures Komoditi Emas. Skripsi, Fakultas Ekonomi Universitas Atma Jaya Yogyakarta. Taslim, Y. (2015). Pengaruh Ramadhan Effect pada Volatilitas Return di Bursa Efek Indonesia, Malaysia, dan Pakistan Periode 2009-2013. Skripsi, Fakultas Ekonomi Universitas Atma Jaya Yogyakarta. Tjiptono Dharmadji dan Hendi M. (2000). Pasar Modal di Indonesia. Jakarta: Salemba Empat. Utomo, S. (2012, Juli 17). Futures Index bagi Trader Saham Indonesia. Diakses dari satrio.blog.kontan.co.id: http://satrio.blog.kontan.co.id/2012/07/17/futures-index-bagi-tradersaham-indonesia/ pada tanggal 11 April 2016.
Valbury.co.id. (2016). BEI Kembali Aktifkan LQ45 Futures. Diakses dari http://valbury.co.id/press-release/bei-kembali-aktfikan-lq-45-futures pada tanggal 21 Maret 2016. Wang, Yu-Min & Lu, Su-Lien (2005). Impact of The Introduction of Futures Trading on The Volatility in Taiwan Stock Market. Asia Pacific Management Review, 233-241. Winarno, W. W. (2009). Analisis Ekonometrika dan Statistika dengan EViews (Edisi 4). Yogyakarta: UPP STIM YKPN. Xie, S., & Huang, J. (2014). The Impact of Index Futures on Spot Market Volatility in China. Emerging Markets Finance & Trade, 167-177. Yokesen. (2014, September 23). Sejarah Perdagangan Berjangka. Diakses dari Central Capital Futures: http://centralfutures.com/sejarah-perdaganganberjangka-bagian-1/ pada tanggal 19 Maret 2016. Zuraya, N. (2016, Maret 24). BEI: Produk Derivatif LQ45 Futures diminati. Diakses dari Republika.com: http://www.republika.co.id/berita/ekonomi/keuangan/16/03/24/o4jf1w383- bei-produk-derivatif-lq45-futures-diminati pada tanggal 19 Maret 2016.
LAMPIRAN 1 STATISTIK DESKRIPTIF 1. PERIODE OVERALL 700 600 500 400 300 200 100 Series: RETURN Sample 1 2152 Observations 2152 Mean 0.000995 Median 0.001367 Maximum 0.103011 Minimum -0.128971 Std. Dev. 0.018179 Skewness -0.370073 Kurtosis 8.661220 Jarque-Bera 2922.885 Probability 0.000000 0-0.10-0.05 0.00 0.05 0.10 2. PERIODE PRE-FUTURES 32 28 24 20 16 12 8 4 Series: PRE Sample 1 206 Observations 206 Mean 0.000718 Median 0.000616 Maximum 0.064431 Minimum -0.046078 Std. Dev. 0.017167 Skewness 0.248855 Kurtosis 3.814503 Jarque-Bera 7.820539 Probability 0.020035 0-0.04-0.02 0.00 0.02 0.04 0.06
3. PERIODE POST-FUTURES 600 500 400 300 200 100 Series: POST Sample 1 1946 Observations 1946 Mean 0.001024 Median 0.001476 Maximum 0.103011 Minimum -0.128971 Std. Dev. 0.018286 Skewness -0.424334 Kurtosis 9.048258 Jarque-Bera 3024.544 Probability 0.000000 0-0.10-0.05 0.00 0.05 0.10 OVERALL PRE-FUTURES POST-FUTURES Mean 0.000995 0.000718 0.001024 Median 0.001367 0.000616 0.001476 Maximum 0.103011 0.064431 0.103011 Minimum -0.128971-0.046078-0.128971 Std. Dev. 0.018179 0.017167 0.018286 Skewness -0.370073 0.248855-0.424334 Kurtosis 8.66122 3.814503 9.048258 Jarque-Bera 2922.885 7.820539 3024.544 Probability 0.0000000 0.020035 0.0000000 Observations 2152 206 1946
LAMPIRAN 2 UJI AUGMENTED DICKEY FULLER 1. PERIODE OVERALL Null Hypothesis: RETURN has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=25) t-statistic Prob.* Augmented Dickey-Fuller test statistic -40.72821 0.0000 Test critical values: 1% level -3.433193 5% level -2.862682 10% level -2.567424 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RETURN) Method: Least Squares Date: 05/19/16 Time: 11:41 Sample (adjusted): 2 2152 Included observations: 2151 after adjustments Variable Coefficient Std. Error t-statistic Prob. RETURN(-1) -0.871537 0.021399-40.72821 0.0000 C 0.000872 0.000389 2.240335 0.0252 R-squared 0.435630 Mean dependent var 1.40E-05 Adjusted R-squared 0.435368 S.D. dependent var 0.024002 S.E. of regression 0.018035 Akaike info criterion -5.192023 Sum squared resid 0.699023 Schwarz criterion -5.186748 Log likelihood 5586.021 Hannan-Quinn criter. -5.190093 F-statistic 1658.787 Durbin-Watson stat 2.000579 Prob(F-statistic) 0.000000
2. PERIODE PRE-FUTURES Null Hypothesis: PRE has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=14) t-statistic Prob.* Augmented Dickey-Fuller test statistic -12.46313 0.0000 Test critical values: 1% level -3.462253 5% level -2.875468 10% level -2.574271 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(PRE) Method: Least Squares Date: 05/19/16 Time: 12:00 Sample (adjusted): 2 206 Included observations: 205 after adjustments Variable Coefficient Std. Error t-statistic Prob. PRE(-1) -0.868664 0.069699-12.46313 0.0000 C 0.000674 0.001195 0.563969 0.5734 R-squared 0.433483 Mean dependent var 0.000120 Adjusted R-squared 0.430692 S.D. dependent var 0.022654 S.E. of regression 0.017093 Akaike info criterion -5.290549 Sum squared resid 0.059313 Schwarz criterion -5.258129 Log likelihood 544.2812 Hannan-Quinn criter. -5.277436 F-statistic 155.3296 Durbin-Watson stat 2.021429 Prob(F-statistic) 0.000000
3. PERIODE POST-FUTURES Null Hypothesis: POST has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=25) t-statistic Prob.* Augmented Dickey-Fuller test statistic -38.75114 0.0000 Test critical values: 1% level -3.433512 5% level -2.862823 10% level -2.567500 *MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(POST) Method: Least Squares Date: 05/19/16 Time: 12:01 Sample (adjusted): 2 1946 Included observations: 1945 after adjustments Variable Coefficient Std. Error t-statistic Prob. POST(-1) -0.872100 0.022505-38.75114 0.0000 C 0.000888 0.000412 2.155613 0.0312 R-squared 0.435937 Mean dependent var 4.37E-06 Adjusted R-squared 0.435647 S.D. dependent var 0.024151 S.E. of regression 0.018143 Akaike info criterion -5.180027 Sum squared resid 0.639580 Schwarz criterion -5.174297 Log likelihood 5039.576 Hannan-Quinn criter. -5.177920 F-statistic 1501.651 Durbin-Watson stat 1.998093 Prob(F-statistic) 0.000000
LAMPIRAN 3 UJI ARCH LM DATA RETURN INDEKS LQ45 Heteroskedasticity Test: ARCH F-statistic 80.51532 Prob. F(1,2148) 0.0000 Obs*R-squared 77.67859 Prob. Chi-Square(1) 0.0000 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/19/16 Time: 21:41 Sample (adjusted): 2 2151 Included observations: 2150 after adjustments Variable Coefficient Std. Error t-statistic Prob. C 0.000263 2.01E-05 13.11026 0.0000 RESID^2(-1) 0.190077 0.021183 8.973033 0.0000 R-squared 0.036130 Mean dependent var 0.000325 Adjusted R-squared 0.035681 S.D. dependent var 0.000891 S.E. of regression 0.000875 Akaike info criterion -11.24337 Sum squared resid 0.001645 Schwarz criterion -11.23809 Log likelihood 12088.62 Hannan-Quinn criter. -11.24144 F-statistic 80.51532 Durbin-Watson stat 2.088097 Prob(F-statistic) 0.000000
LAMPIRAN 4 MODEL GARCH (1,1) 1. PENGARUH LQ45 FUTURES PADA UNDERLYING SPOT MARKET Dependent Variable: RETURN Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/16 Time: 22:18 Sample (adjusted): 2 2151 Included observations: 2150 after adjustments Convergence achieved after 25 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(5) + C(6)*RESID(-1)^2 + C(7)*GARCH(-1) + C(8) *Rt-1 + C(9)*DUMMY Variable Coefficient Std. Error z-statistic Prob. C 0.001074 0.001256 0.854797 0.3927 Rt-1 0.017349 0.267529 0.064851 0.9483 DUMMY 0.000184 0.001266 0.145091 0.8846 AR(1) 0.108620 0.267123 0.406630 0.6843 Variance Equation C 3.33E-05 1.10E-05 3.025140 0.0025 RESID(-1)^2 0.134752 0.025512 5.281815 0.0000 GARCH(-1) 0.789380 0.038082 20.72859 0.0000 Rt-1-0.001588 0.000513-3.097105 0.0020 DUMMY -8.98E-06 8.18E-06-1.096745 0.2728 R-squared 0.016310 Mean dependent var 0.001000 Adjusted R-squared 0.014935 S.D. dependent var 0.018186 S.E. of regression 0.018050 Akaike info criterion -5.414698 Sum squared resid 0.699145 Schwarz criterion -5.390950 Log likelihood 5829.801 Hannan-Quinn criter. -5.406010 Durbin-Watson stat 1.995165 Inverted AR Roots.11
2. PENGARUH LQ45 FUTURES PADA STRUKTUR INFORMASI (MARKET EFFICIENT) a) PRE-FUTURES Dependent Variable: RETURN Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/16 Time: 22:57 Sample: 1 205 Included observations: 205 Convergence achieved after 141 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*GARCH(-1) + C(6) *Rt-1 Variable Coefficient Std. Error z-statistic Prob. C 0.001229 0.001152 1.066998 0.2860 Rt-1 0.116233 0.074737 1.555234 0.1199 Variance Equation C 5.89E-05 6.23E-05 0.945342 0.3445 RESID(-1)^2 0.106190 0.077574 1.368879 0.1710 GARCH(-1) 0.695921 0.276482 2.517058 0.0118 Rt-1 1.20E-05 0.001795 0.006691 0.9947 R-squared 0.015953 Mean dependent var 0.000757 Adjusted R-squared 0.011105 S.D. dependent var 0.017200 S.E. of regression 0.017104 Akaike info criterion -5.282549 Sum squared resid 0.059388 Schwarz criterion -5.185290 Log likelihood 547.4612 Hannan-Quinn criter. -5.243210 Durbin-Watson stat 1.986385
b) POST-FUTURES Dependent Variable: RETURN Method: ML - ARCH (Marquardt) - Normal distribution Date: 05/19/16 Time: 23:04 Sample: 1 1946 Included observations: 1946 Convergence achieved after 19 iterations Bollerslev-Wooldridge robust standard errors & covariance Presample variance: backcast (parameter = 0.7) GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*GARCH(-1) + C(6) *Rt-1 Variable Coefficient Std. Error z-statistic Prob. C 0.001065 0.000343 3.101461 0.0019 Rt-1 0.128710 0.025695 5.009187 0.0000 Variance Equation C 2.37E-05 5.90E-06 4.013024 0.0001 RESID(-1)^2 0.136033 0.026557 5.122216 0.0000 GARCH(-1) 0.793499 0.037217 21.32099 0.0000 Rt-1-0.001692 0.000523-3.234711 0.0012 R-squared 0.016334 Mean dependent var 0.001024 Adjusted R-squared 0.015828 S.D. dependent var 0.018286 S.E. of regression 0.018141 Akaike info criterion -5.431093 Sum squared resid 0.639759 Schwarz criterion -5.413908 Log likelihood 5290.453 Hannan-Quinn criter. -5.424774 Durbin-Watson stat 1.999421